目的:橡胶广泛用于轮胎、机械零件和需要弹性的用户产品。一些基本特性仍未解决,主要是它们在过度机械性能中发挥作用。需要研究弹性橡胶在高动态压力和高拉伸强度下的性能。这些弹性体旨在增加应力断裂并保持高压拉伸强度。设计/方法/方法:本研究对炭黑聚合物基质对不同橡胶拉伸特性的影响进行了数值研究。使用每百份橡胶 (pphr) 三种不同百分比(80%、90% 和 100%)的炭黑填料部分来测量橡胶的材料特性。结果:本研究发现,随着炭黑填料比例增加 30%,拉伸强度和伸长率会增强。实际意义:本研究在四种超弹性模型中对橡胶进行了实验测试:Ogden 模型、Mooney-Rivlin 模型、Neo Hooke 模型、Arruda-Boyce 模型,使用有限元法 (FEM) 获得模拟材料响应的参数,以供比较。这四种模型已广泛应用于橡胶研究。超弹性模型已用于预测拉伸试验曲线——弹性体橡胶模型的准确描述和预测。对于四种模型,Abaqus 的 FEA 包中使用了弹性体材料拉伸数据。在预测选择合适模型的适应性时计算了相对百分比误差——弹性体橡胶模型的准确描述和预测。对于四种模型,Abaqus 的 FEA 包中使用了弹性体材料拉伸数据。在预测选择合适模型的适应性时计算了相对百分比误差。数值 Ogden 模型结果表明,大应变情况下的相对适应性误差为 1% 至 2.04%。原创性/价值:相比之下,其他模型估计参数的拟合误差从 2.3% 到 49.45%。这四个超弹性模型是拉伸试验模拟,目的是
摘要。乳腺癌长期以来一直是女性死亡的主要原因。由于能够记录基因表达数据的 RNA 测序工具的出现,现在诊断、治疗和预后已成为可能。分子亚型与制定临床策略和预后密切相关,本文重点介绍如何使用基因表达数据将乳腺癌分为四种亚型,即 Basal、Her2、LumA 和 LumB。在第 1 阶段,我们提出了一种基于深度学习的模型,该模型使用自动编码器来降低维数。通过使用自动编码器,特征集的大小从 20,530 个基因表达值减少到 500 个。该编码表示被传递到第二阶段的深度神经网络,以将患者分为四种乳腺癌分子亚型。通过部署第 1 阶段和第 2 阶段的组合网络,我们已经能够在 TCGA 乳腺癌数据集上获得 0.907 的平均 10 倍测试准确率。所提出的框架在 10 次不同的运行中都相当稳健,如分类准确度的箱线图所示。与文献中报道的相关工作相比,我们取得了有竞争力的结果。总之,所提出的基于两阶段深度学习的模型能够准确地对四种乳腺癌亚型进行分类,突出了自动编码器推断紧凑表示的能力和神经网络分类器正确标记乳腺癌患者的能力。
AIS-E 指标评估了 19 岁及以上患者按时接种流感、破伤风和白喉 (Td) 或破伤风、白喉和无细胞百日咳 (Tdap)、带状疱疹和肺炎球菌等疫苗的百分比。报告了四种比率:
摘要 管理学者和从业者普遍认为,商业模式的主要功能是价值创造和价值获取。然而,这些术语的含义(概念化)、衡量标准以及影响它们的因素和机制仍然存在争议。在本文中,我们通过阐明消费者的价值创造和商业价值获取结构来回答这些问题。然后,我们展示了它们是如何由四种商业模式机制决定的:价值主张和价值定位(通过支付意愿影响消费者的价值)以及价值占有和价值交付(通过价格和成本影响商业价值)。我们表明,如果不参考这四种机制,就无法充分进行对商业模式价值创造的细粒度分析。开发的概念框架由小案例插图说明和证实。最后,我们概述了所提出的框架在两个关键的现实世界商业模式情况下的应用:逃离给予者陷阱和保持赢家地位。
摘要 — 大脑中的神经元会产生电信号,这些电信号的集体发射会产生脑电波。这些脑电波信号是使用 EEG(脑电图)设备以微电压形式捕获的。EEG 传感器捕获的这些信号序列具有可用于分类的嵌入特征。这些信号可作为严重运动障碍患者的替代输入。不同颜色的分类可以映射到许多功能,例如定向运动。在本文中,使用基于注意力的深度学习网络对来自 NeuroSky Mindwave 耳机(单电极 EEG 传感器)的原始 EEG 信号进行分类。基于注意力的 LSTM 网络已经用于对两种不同颜色和四种不同颜色进行分类。使用上述基于注意力的 LSTM 网络,两种颜色的分类准确率为 93.5%,四种信号的分类准确率为 65.75%。
在研究 MenACWY-TT-087 中,婴儿在 6 个月时接种一剂基础疫苗,然后在 15-18 个月时接种一剂加强疫苗(在两个接种时间点同时接种 DTaP-IPV/Hib 和 10 价肺炎球菌结合疫苗),或在 2、4 和 6 个月时接种三剂基础疫苗,然后在 15-18 个月时接种一剂加强疫苗。6 个月时接种一剂基础疫苗可对四种脑膜炎球菌组产生强劲的 rSBA 滴度,以 rSBA 滴度≥8 的受试者百分比来衡量,与三剂基础系列的最后一剂后的反应相当。加强剂量可对所有四种脑膜炎球菌组产生强劲的反应,两个剂量组之间的反应相当。结果如表 3 所示。
摘要 本文介绍了 TIAD 2020 共享任务中提出的四种跨词典自动翻译推理策略。所提出的策略基于对 Apertium RDF 图的分析,利用了使用多路径翻译、不同词典中词汇条目之间的同义词和相似性以及通过图的可能翻译的基数等特点。这四种策略在 Apertium RDF EN ↔ ES 词典上进行了训练和验证,显示出良好的结果。最后,将这些策略一起应用在推断共享任务中提出的词典的任务中获得了 0.43 的 F 度量,因此在 TIAD 2020 共享任务中提出的其他新系统中排名第三。没有任何一个提交给共享任务的系统超过 TIAD 组织者提出的基线。